研究人员研究了十年前医学AI论文中的不确定性 LinkedIn开源工具包可衡量AI模型的公平性 适用于安卓的Firefox Daylight具有增强的跟踪保护 Spaces是苹果难以置信的大型AR / VR马赛克中的另一块 微软的Word中转录工具为Office 365订阅者每月提供5个小时的转录 微软为开发人员提供了一种基于AI的工具 可在其应用程序中内置阅读辅助功能 Fitbit推出带有谷歌助手的Sense和Versa 3智能手表 Socure获3500万美元A轮融资 打击人工智能欺诈行为 比尔·盖茨领导对卫星天线公司Kymeta的8520万美元投资 WattBuy计算大多数美国家庭的电费和碳足迹 Netgear为艺术爱好者推出了Meural Wi-Fi宽屏相框 SparkMeter为发展中国家的智能电表筹集了1200万美元 法官裁定苹果不能阻止对Epic虚幻引擎的访问 L&T完成将电气和自动化业务出售给施耐德电气 玛鲁蒂铃木8月份国内销售增长近22% 主要经济体中最差的GDP达到-24%对印度意味着什么 周二各大城市汽油价格上涨4-5帕克斯 印度财政赤字在四个月内突破了全年目标 由于当前局势不断增加 现货金在触及2,000美元大关后趋于持平 信实与未来集团达成的33.8亿美元交易的影响 专家称印度6月份季度GDP增速超出预期 印度储备银行宣布增加价值200 亿卢比的流动性业务 印度7月份核心部门生产收缩9.6% 计划系统中的单位数量在第二季度下降了25% 爱尔兰教育技术公司Prodigy赢得国家测试合同 特斯拉将通过发行股票筹集50亿美元 德国认为经济复苏速度快于2020年的预期 新法律出台后 脸书将封锁澳大利亚网站的新闻 Zoom预测随着视频会议成为日常工作 销售量将激增 随着可怕的GDP数据迫在眉睫 澳大利亚中央银行扩大了低成本融资 爱尔兰小额信贷公司宣布设立新的1500万欧元当前局势基金 爱尔兰中央银行表示信用卡支出增加 但ATM使用量低于去年 爱尔兰银行贷款利率自2017年以来首次下降 iRobot的Genius平台标志着从自主到人机协作的转变 Unity申请IPO 揭示2019年亏损1.63亿美元 每月用户150万 微软法律文件支持虚幻引擎对苹果工具的持续访问 道德AI一词终于开始意味着某种意义 微软研究人员使用Bing数据跟踪大流行期间不断变化的人类需求 Facebook发布工具来帮助AI在复杂环境中导航 自动驾驶汽车应使残疾人受益 但进展仍然缓慢 新闻发布者寻求苹果给予亚马逊相同的应用商店条款 苹果的watchOS 7可能会击败Google的最新Wear操作系统 法院裁决为脸书解决面部识别诉讼铺平道路 Facebook和Instagram透露内容“推荐指南” 摩托罗拉的最新中档手机是5G以下价格低于500美元的智能手机 联想新款50美元智能时钟让事情变得简单 联想再次为高端Android平板电脑提供服务 Google正在将儿童模式带入某些Android平板电脑 联想的最新旗舰Yoga笔记本电脑采用皮革包裹 苹果恢复了适用于iOS 14的iPod音乐测验游戏
你当前位置:首页 >资讯 >

研究人员研究了十年前医学AI论文中的不确定性

2020-09-03 15:04:58来源:

在大数据领域,研究人员需要确保结论可以始终可验证。但这在医学上尤其具有挑战性,因为医生们本身并不总是对疾病的诊断和治疗计划有把握。

为了研究机器学习研究历来如何处理医学不确定性,德克萨斯大学达拉斯分校的科学家加利福尼亚大学旧金山分校;新加坡国立大学;在过去30年中,还有超过六家其他机构进行了元数据研究。他们发现,由于数据和模型的不精确测量,缺失值和其他错误而导致的不确定性在数据和模型中很常见,但可以通过深度学习技术解决这些问题。

合著者试图量化研究中两种类型不确定性的普遍性:结构不确定性和模型参数不确定性。结构不确定性涉及AI模型结构(即体系结构)的使用方式以及它们推断信息的准确性,而模型参数的不确定性则考虑选择用于从给定语料库进行预测的参数(模型内部的配置变量)。

研究人员研究了1991年至2020年间由电气与电子工程师协会(IEEE),荷兰出版商Elsevier和美国学术期刊出版商Springer发表的165篇论文。合著者报告说,针对不确定性的论文数量从1增加到1。 1至6篇论文(1991年至2009年)至7到21篇论文(2010年至2020年),这归因于关于不确定性如何影响临床结果的共识日益增加。

根据合著者的说法,研究使用六种经典机器学习技术之一处理不确定性:贝叶斯推理(研究的27%),模糊系统(研究的24%),蒙特卡洛模拟(研究的18%),粗糙分类(研究的11%) ,Dempster-Shafer理论(14%)和不精确概率(7%)。但是,每种技术都具有固有的缺点:

贝叶斯推理在整合先验知识的同时解决了结构不确定性和参数不确定性,但是它在计算上要求很高。

模糊系统可以从不熟悉的数据集中快速学习,但是在输入数量方面受到限制。

蒙特卡洛模拟可以用易于解释的结果回答分析上难以解决的问题,但其解决方案并不精确。

粗略分类不需要有关数据的初步信息,并且可以自动生成一组决策规则,但是它不能处理实值数据(即实数)。

Dempster-Shafer理论解释了多种证据来源,但计算量很大。

不精确的概率使处理矛盾的证据变得更容易,但同时又具有很高的计算负担。

研究人员建议深度学习作为对经典机器学习缺点的一种补救方法,因为它对不确定性具有鲁棒性-即使在存在噪声的情况下,深度学习算法也能更好地推广。该团队指出,例如,在最近的工作中,深度学习算法已被证明可以在嘈杂的心电图信号中实现强大的性能。

研究人员写道:“将来,可能会探索深度学习模型以减轻医学数据中噪声的存在。”“对不确定性进行正确的量化可为最佳决策提供有价值的信息。”

该研究的发现是关于将AI应用于医学的辩论的另一个数据点。Google最近发表了一份白皮书,发现预测眼疾的系统在现实世界中是不切实际的,部分原因是技术和临床失误。STAT报告说,未经证实的AI算法已用于预测COVID-19患者的人数下降。像巴比伦健康(Babylon Health)这样的公司声称他们的系统可以诊断疾病,人类医生也受到监管机构和临床医生的审查。

猜你喜欢